Pourquoi les anciens chatbots ont déçu les clients

Dans certaines entreprises, l'expérience a laissé des traces. Installé pour répondre aux questions fréquentes et réduire le volume de sollicitations, le chatbot finissait souvent par renvoyer le client vers un formulaire ou un conseiller. Au lieu de simplifier le parcours, il ajoutait une étape.

Cette frustration apparaît dans une enquête publiée par Hostinger en juillet 2026, menée auprès d'environ 1 000 Français. Parmi les personnes ayant échangé avec un assistant IA dans le cadre du service client, 77 % déclarent avoir peiné à obtenir une réponse correcte ou n'en avoir obtenu aucune. Dans 35 % des cas, l'assistant aurait simplement retardé le recours à un conseiller humain. Et 48 % jugent difficile le passage vers un interlocuteur humain lorsqu'ils le demandent.

Ces résultats n'indiquent pas nécessairement un rejet de l'intelligence artificielle. Ils mettent surtout en évidence une attente : obtenir une solution, et non une conversation supplémentaire.

Les chatbots traditionnels reposaient généralement sur des scénarios et des réponses préétablis. Ils savaient reconnaître des demandes simples, comme « Où est ma commande ? » ou « Comment obtenir un remboursement ? », mais devenaient moins utiles lorsqu'une action concrète était nécessaire. Vérifier un dossier, modifier une information ou traiter une exception dépassait souvent leur périmètre.

Du chatbot à l'agent IA : la différence se mesure à l'action

Un agent IA de service client va potentiellement plus loin qu'un assistant conversationnel classique. S'il dispose des autorisations et des connexions nécessaires, il peut consulter des données, appliquer des règles métier et accomplir une opération dans un logiciel : rechercher une commande, préparer un document, mettre à jour un rendez-vous ou transmettre une demande au bon service.

Prenons le cas d'une boutique en ligne. Un client souhaite changer l'adresse de livraison d'une commande déjà préparée, un samedi soir. Le chatbot classique peut lui fournir un lien vers les conditions de livraison, puis l'inviter à contacter l'équipe le lundi.

Un agent IA connecté au système de commandes peut, lui, vérifier le statut du colis, déterminer si la modification est encore autorisée et, si les systèmes le permettent, enregistrer la nouvelle adresse. Si l'opération est impossible, il peut expliquer la raison et proposer une autre solution.

La différence n'est pas que l'agent parle mieux : c'est qu'il peut contribuer à résoudre le problème.

Cela ne signifie pas qu'il doit agir sans contrôle. Les remboursements, litiges ou modifications sensibles nécessitent des autorisations adaptées et, parfois, une validation humaine.

Cette évolution pourrait être majeure. Dans une projection publiée en mars 2025, Gartner estime que l'IA agentique pourrait résoudre de façon autonome 80 % des problèmes courants de service client d'ici 2029, avec une diminution possible de 30 % des coûts opérationnels.

Il s'agit d'une prévision, pas d'une performance déjà atteinte par les entreprises.

Pourquoi les PME ont intérêt à réexaminer le sujet

L'adoption de l'intelligence artificielle reste inégale selon la taille des entreprises.

D'après l'Insee, dans une étude publiée en juillet 2026, 18 % des entreprises françaises de 10 salariés ou plus utilisaient au moins une technologie d'IA en 2025. Cette proportion était de 15 % pour les structures de 10 à 49 salariés. Parmi les entreprises n'utilisant pas l'IA, 54 % mentionnaient un manque d'expertise.

Pour les PME, l'enjeu n'est donc pas seulement technologique. Il concerne aussi le temps, les compétences disponibles et le retour sur investissement.

Les premiers chatbots demandaient souvent de construire et d'entretenir de nombreux scénarios. Certains agents plus récents peuvent exploiter une base de connaissances existante, des procédures internes ou l'historique des échanges.

Leur déploiement nécessite néanmoins de vérifier la qualité des informations, la sécurité des accès et la fiabilité des actions réalisées.

Le marché évolue également vers des outils permettant de surveiller ces systèmes en production. Entreprisma l'a notamment souligné dans son analyse de la levée de fonds de LangChain et du développement de LangSmith : créer un agent ne suffit pas ; il faut pouvoir contrôler ses erreurs, ses coûts et ses résultats.

Comment intégrer un agent IA sans reproduire les erreurs passées

Pour une petite entreprise, mieux vaut commencer par un processus simple, fréquent et mesurable : suivi de commande, questions sur les délais, report de rendez-vous ou récupération d'une facture.

Le bénéfice est plus facile à apprécier lorsque la tâche est clairement définie.

Trois conditions méritent une attention particulière :

  • Mesurer la résolution réelle. Une conversation « déviée » vers un chatbot n'est pas nécessairement un problème réglé. Le taux de résolution, les réouvertures de dossiers et la satisfaction client sont plus révélateurs.
  • Conserver une intervention humaine accessible. Lorsqu'une demande devient complexe, sensible ou conflictuelle, le client doit pouvoir être orienté vers un conseiller sans recommencer son explication.
  • Encadrer les accès et les actions. Les données utilisées doivent être pertinentes et protégées ; les opérations importantes doivent respecter les règles internes et les obligations applicables.

L'objectif n'est pas de remplacer systématiquement les équipes. Il est de leur éviter certaines tâches répétitives pour qu'elles consacrent davantage de temps aux demandes qui exigent du discernement, de l'empathie ou une décision commerciale.

Le véritable enjeu : résoudre les demandes, pas multiplier les réponses

Une PME déçue par un chatbot installé il y a quelques années peut avoir de bonnes raisons de se méfier de nouvelles promesses d'automatisation.

Mais assimiler tous les agents IA aux anciens assistants à scénarios revient à ignorer une évolution importante : leur capacité à interagir avec les outils métier.

Cette capacité n'efface ni les risques d'erreur ni les coûts d'intégration. Elle déplace cependant la question que doivent se poser les dirigeants.

Il ne s'agit plus seulement de savoir combien de messages l'IA peut traiter, mais combien de problèmes elle peut effectivement résoudre, dans quelles conditions et avec quel niveau de satisfaction client.

À retenir

  • Les limites des anciens chatbots tiennent notamment à leur incapacité à agir au-delà de réponses préprogrammées.
  • Un agent IA relié aux outils d'une entreprise peut, sous conditions, exécuter certaines opérations de service client.
  • Les gains attendus doivent être évalués sur des résultats réels, et non sur le seul volume de conversations automatisées.
  • Pour une PME, une mise en place progressive, encadrée et mesurable reste préférable à une automatisation généralisée.

À propos de cette contribution

Cet article a été rédigé par Liz Emerick, Account Manager chez Co-Creative Marketing, dans le cadre d’une contribution sponsorisée publiée sur Entreprisma.